Kimi Code CLI: agente Moonshot AI com sua própria chave via Gonka

Passo 1: instalar o Kimi Code. Os métodos oficiais da documentação:

# macOS and Linux: prebuilt binary, no Node.js needed
curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash

# Windows (PowerShell); Git for Windows is required before the first run
irm https://code.kimi.com/kimi-code/install.ps1 | iex

# npm (Node.js 22.19 or newer)
npm install -g @moonshot-ai/kimi-code

O script coloca o binário em ~/.kimi-code/bin/kimi e adiciona esse diretório ao PATH pelo arquivo de configuração do shell. As compilações dele são só para glibc: no Alpine e em outros sistemas com musl ele para e sugere o npm. Abra o terminal novamente e confira: kimi --version.

Passo 2: obter uma chave. Cadastre-se em gate.joingonka.ai/register, confirme o endereço e crie na seção «Chaves de API» uma chave com prefixo jg-.

Passo 3: rodar o instalador.

npx @joingonka/setup --tool kimi-code

O instalador vai pedir a chave (ela não é passada como argumento de linha de comando) e escrever em ~/.kimi-code/config.toml apenas as suas próprias tabelas:

• o provedor [providers.joingonka] com tipo openai — é o protocolo Chat Completions —, o endereço do gateway e a chave no campo api_key; o arquivo recebe permissões 600;
• uma tabela [models."joingonka/…"] para cada modelo da rede — com a janela de contexto e o teto de resposta reais e capacidades explícitas: chamada de ferramentas para todos, raciocínio para DeepSeek V4 Flash e GLM-5.3 Flash, e no MiniMax M2.7 apenas ferramentas;
• default_model — DeepSeek V4 Flash, se o modelo padrão ainda não foi escolhido ou aponta para um modelo que saiu da rede do gateway; não mexe na escolha de outro provedor sem a flag --model, mas sugere o comando para uma execução avulsa;
• salva uma cópia do arquivo anterior, não toca em provedores alheios nem nos seus campos nas tabelas do gateway e, no final, envia uma requisição real ao gateway e informa se a chave, o endereço e o modelo foram aceitos.

Foi assim que ficou a saída no nosso teste (resumida):

Configured provider "joingonka" in ~/.kimi-code/config.toml
Base URL: https://gate.joingonka.ai/v1 (provider type "openai" — Chat Completions)
Models: joingonka/MiniMaxAI/MiniMax-M2.7, joingonka/deepseek-ai/DeepSeek-V4-Flash-0731, joingonka/zai-org/GLM-5.3-Flash
Default model: joingonka/deepseek-ai/DeepSeek-V4-Flash-0731
…
✓ Verified: the gateway accepted the key, base URL and model.

A flag --model define outro modelo padrão (glm, minimax ou o identificador completo); o modo sem perguntas pega a chave de uma variável de ambiente:

JOINGONKA_API_KEY=jg-your-key npx @joingonka/setup --tool kimi-code --model glm --non-interactive

O diretório de dados movido pela variável KIMI_CODE_HOME é considerado pelo próprio instalador. Já ~/.kimi é o diretório do antigo cliente Python kimi-cli: o Kimi Code 2.x não o lê e, na primeira execução, oferece migrar dali as configurações (o mesmo faz kimi migrate).

Tudo o que o instalador faz também pode ser escrito à mão. O Kimi Code guarda as configurações em TOML; chaves de tabela com ponto ou barra são colocadas entre aspas. O trecho completo para a rede Gonka:

default_model = "joingonka/deepseek-ai/DeepSeek-V4-Flash-0731"

[providers.joingonka]
type = "openai"
base_url = "https://gate.joingonka.ai/v1"
api_key = "jg-your-key"

[models."joingonka/deepseek-ai/DeepSeek-V4-Flash-0731"]
provider = "joingonka"
model = "deepseek-ai/DeepSeek-V4-Flash-0731"
max_context_size = 380000
max_output_size = 32768
capabilities = ["thinking", "tool_use"]
display_name = "DeepSeek V4 Flash (Gonka)"

[models."joingonka/zai-org/GLM-5.3-Flash"]
provider = "joingonka"
model = "zai-org/GLM-5.3-Flash"
max_context_size = 390000
max_output_size = 8192
capabilities = ["thinking", "tool_use"]
display_name = "GLM 5.3 Flash (Gonka)"

# MiniMax M2.7, unlike DeepSeek and GLM, is declared without thinking
[models."joingonka/MiniMaxAI/MiniMax-M2.7"]
provider = "joingonka"
model = "MiniMaxAI/MiniMax-M2.7"
max_context_size = 200000
max_output_size = 8192
capabilities = ["tool_use"]
display_name = "MiniMax M2.7 (Gonka)"

Onde guardar a chave. O Kimi Code não pega chaves do ambiente do shell: export OPENAI_API_KEY=… não tem efeito sobre ele. São duas formas, e não dá para usar as duas ao mesmo tempo:

Se os dois campos estiverem na mesma tabela, o Kimi Code recusa na inicialização: has both apiKey and apiKeyEnv set in config.toml - they are mutually exclusive. Lembre-se de que o kimi doctor não detecta esse conflito — ele só verifica a forma do arquivo.

Qual tipo de provedor escolher. O Kimi Code trabalha com vários protocolos, e o gateway também:

Um provedor no Kimi Code fala um único protocolo, então o segundo protocolo é um segundo provedor com outro nome. De forma interativa, os provedores são adicionados e removidos pelo comando /provider dentro do agente.

No Kimi Code, um modelo é um alias, o nome de uma tabela [models."…"]. O instalador os nomeia com o esquema joingonka/<model-id>, assim como o próprio Kimi Code nomeia os seus (kimi-code/k3), e é o alias que você precisa em todo lugar onde se escolhe um modelo. Um identificador sem prefixo, como MiniMaxAI/MiniMax-M2.7, o Kimi Code não encontra.

Na nossa execução, o /model estava assim:

Select a model  (type to search)
Tab toggle provider · ↑↓ navigate · Enter select · Alt+S session-only · Esc cancel

 All   joingonka

   MiniMax M2.7 (Gonka)       joingonka
 ❯ DeepSeek V4 Flash (Gonka)  joingonka ← current
   GLM 5.3 Flash (Gonka)      joingonka

 Thinking  (←→ to switch)
  [ On ]    Off

Alternador de Thinking. O botão de raciocínio abaixo da lista, nos modelos da rede, por si só não muda nada: o Kimi Code só envia o nível de raciocínio para os modelos que têm níveis declarados. No caso do GLM-5.3 Flash, vale a pena fazer isso: o raciocínio dele é desligado com o valor low (mais detalhes na análise do modelo). Adicione três campos à tabela do modelo:

[models."joingonka/zai-org/GLM-5.3-Flash"]
# … fields written by the installer …
support_efforts = ["low", "high"]
default_effort = "high"
off_effort = "low"

Verificamos o que é enviado ao gateway: com o Thinking ligado, o Kimi Code envia reasoning_effort: "high" e o modelo raciocina; com ele desligado, envia "low" e a resposta chega sem bloco de raciocínio. Executar o instalador de novo não mexe nesses campos: ele só altera as próprias chaves.

Modelo para subagentes. Os subagentes integrados (coder, explore, plan) usam por padrão o modelo do agente principal. A seção [secondary_model] dá a eles um pool do qual o agente principal escolhe sozinho, seguindo as dicas. Qualquer alias serve para o pool: DeepSeek V4 Flash, GLM-5.3 Flash ou MiniMax M2.7:

[secondary_model]
default_model = "joingonka/deepseek-ai/DeepSeek-V4-Flash-0731"

[secondary_model.models]
"joingonka/deepseek-ai/DeepSeek-V4-Flash-0731" = "Long context and long output: big reads and edits."
"joingonka/zai-org/GLM-5.3-Flash" = "Reasoning model for tricky logic and debugging."

As chaves do pool precisam coincidir com os alias de [models]: segundo a documentação, uma referência pendurada não deixa criar uma sessão. A linha para o MiniMax M2.7 é adicionada da mesma forma; referências a modelos que saíram da rede o instalador limpa sozinho ao rodar de novo.

Qual modelo escolher. O preço é o mesmo para todos os modelos da rede, então a escolha é sobre comportamento. Veja como se comportaram no Kimi Code 2.0.2 na tarefa “leia um arquivo e encontre o erro” (verificado em 23 de setembro de 2026):

Primeiro, confirme que o Kimi Code enxerga o provedor e que o arquivo é interpretado sem erros:

$ kimi provider list
joingonka  type=openai  models=3  source=inline

Default model: joingonka/deepseek-ai/DeepSeek-V4-Flash-0731

$ kimi doctor
OK config.toml  ~/.kimi-code/config.toml

Não publique em lugar nenhum a saída de kimi provider list --json: a chave aparece nela em texto puro.

Depois, uma execução avulsa. Coloque no diretório um calc.py com uma função de soma que na verdade subtrai e peça para encontrar o bug:

kimi -p "Read calc.py and tell me in one sentence whether it has a bug."

No modo -p a resposta vai para o stdout, enquanto o raciocínio e o percurso das ferramentas vão para o stderr, então a saída é fácil de processar com um script. Foi assim que o GLM-5.3 Flash respondeu:

• Yes: the `add` function in calc.py:2 returns `a - b` instead of `a + b`, so `add(2, 3)` prints `-1`.

Atenção: no -p o Kimi Code não pergunta nada e executa os comandos por conta própria — no nosso teste o modelo tentou rodar python3 sem pedir permissão para confirmar a suspeita. A primeira execução da interface em um diretório novo começa com a pergunta Trust this folder? — que diz respeito aos servidores MCP do projeto —, e na tela de boas-vindas aparece o modelo: Model: DeepSeek V4 Flash (Gonka). A segunda metade da verificação é o painel do gateway: na seção «Uso» a requisição vai aparecer na divisão por modelos e por chaves.

Se algo deu errado, o diagnóstico normalmente se lê direto na mensagem:

Para cada frase sua, o Kimi Code adiciona um prompt de sistema e descrições de duas dúzias e meia de ferramentas integradas, e a tarefa geralmente leva vários passos. Na nossa execução, cada passo consumiu cerca de 20 mil tokens de entrada, e "leia o arquivo, encontre o erro" levou dois passos — quase 40 mil tokens, quase todos na entrada. Portanto, o preço por token é decisivo aqui.

Através do JoinGonka Gateway, os tokens custam $0.0069 por milhão na entrada e $0.021 por milhão na saída — o preço é igual para todos os modelos da rede e é atualizado nesta página a partir de uma fonte em tempo real.

As estimativas na coluna à direita baseiam-se nos preços de setembro de 2026. Para comparar, veja como se pode pagar por modelos no Kimi Code:

O consumo exato e o saldo ficam no painel, nas seções "Uso" e "Faturamento". O próprio Kimi Code monitora a extensão da conversa: a barra de status mostra que parte do contexto está ocupada, e o comando /compact comprime o histórico manualmente.

Modos de permissão. Na interface, o Kimi Code funciona por padrão no modo Always Ask: a leitura é feita imediatamente, enquanto edições e comandos exigem sua confirmação. Ask When Needed (/yolo ou flag --yolo) ignora edições e comandos rotineiros, mas pergunta sobre arquivos sensíveis e comandos perigosos; Never Ask (/auto, --auto) não pergunta nada. O modo de planejamento é ativado com Shift-Tab. A execução única kimi -p é sempre feita sem perguntas, então execute-a em um container ou em uma cópia de trabalho separada.

O que funciona sem uma conta Moonshot. Seu provedor gerencia tudo o que o modelo faz: leitura e edição de código, comandos, subagentes, sessões e servidores MCP. A busca na web é um serviço da Moonshot: sem login, a ferramenta WebSearch não está presente no conjunto do agente, mas o carregamento de páginas por endereço (FetchURL) permanece. Os modelos da rede são textuais, portanto, a entrada de imagens e vídeos não funciona neles.

Telemetria e atualizações. A telemetria anônima está ativada por padrão: para desativá-la, use a linha telemetry = false no config.toml ou a variável KIMI_DISABLE_TELEMETRY=1. As atualizações são instaladas automaticamente ([upgrade] auto_install = true em ~/.kimi-code/tui.toml); se precisar de previsibilidade, desative-a e atualize via comando kimi upgrade. O gateway não armazena o conteúdo dos prompts ou das respostas; nas estatísticas, restam apenas agregados de consumo.

Múltiplos ambientes. O Kimi Code não possui configurações de provedor em nível de projeto. Você pode separar chaves de trabalho e pessoais com a variável KIMI_CODE_HOME: com ela, configurações, sessões e logs são direcionados para outro diretório, e o instalador, executado com a mesma variável, escreve no mesmo local.

No editor. O Kimi Code funciona dentro do Zed, JetBrains e outros clientes ACP via comando kimi acp — com o mesmo diretório de dados e os mesmos provedores.

Laboratórios cujos modelos são atendidos pela rede também lançam seus próprios agentes: a MiniMax tem o terminal MiniMax Code, a DeepSeek tem o DeepSeek Harness, e a Z.ai, autores do GLM, tem o ZCode. Todos eles se conectam ao mesmo gateway com a mesma chave.